- •Основные понятия и определения теории вероятностей. Классическое определение вероятростей.
- •Статистическая вероятность
- •Сумма событий. Теорема сложения вероятностей.
- •Произведение событий. Теорема умножения вероятностей.
- •Локальная и интегральная теоремы Лапласа.
- •Дискретные случайные величины.
- •Дискретные случайные величины.
- •Числовые характеристики дискретных случайных величин.
- •Непрерывные случайные величины.
- •Числовые характеристики непрерывных случайных величин.
- •Биномиальный закон распределения.
- •Нормальный закон распределения
- •Двумерные случайные величины.Интегральная и дифференциальная функции распределения вероятностей.Одномерные законы распределения.
- •Дискретные случайные величины.
- •Интегральная функция распределения двумерной случайной величины.
- •Вероятность попадания случайной величины в квадрат бесконечных полусумм прямоугольников.
- •Зависимые и независимые случайные величины.
- •Основные понятия математичесКой статистиКи
- •Доверительные интервалы. Доверительная вероятность.
- •Доверительный интервал для оценки математического ожидания при известном .
- •Доверительный интервал для оценки математического ожидания при неизвестном .
- •Статистические гипотезы. Проверка гипотез. Критерий Пирсона.
- •Элементы корреляционного анализа.
- •Линейное програмирование Задачи линейного программирования лесной промышленности.
- •Нормальная кононическая форма задач линейного программирования
- •Геометрический метод решения задач линейного программирования.
- •Симплекс метод
- •Первый этап: построение первоначального базисного плана.
- •Второй этап: проверка (критерий) оптимальности.
- •Третий этап: указание процедуры целенаправленного перехода к следующей крайней точке.
- •Симплекс таблица
- •Метод искусственного базиса в м задачах
- •Транспортная задача.
- •Основные понятия теории массового обслуживания Потоки событий
- •Пуассоновский и простейший потоки. Потоки Пальма и Эрвина.
- •Предельная теорема теории потоков
- •Сложение, разряжение и независимость потоков
- •Марковские процессы
- •Уравнения Колмогорова для вероятностей состояния
- •Эргодические Марковские случайные процессы. Стационарный режим работы системы.
Нормальный закон распределения
Среди других законов распределения непрерывных случайных величин особое место занимает нормальный закон распределения.
1)
,
где a
и
- параметры.
Это наиболее часто встречающийся на практике закон. Особенностью его является то, что он является предельным законом, к которому стреляться многие другие законы при наличии некоторых допущений.
2)
3)
Общее распределение - нормальное распределение с произвольными параметрами a и .
График дифференциальной функции.
Наряду
с общим законом распределения рассматривают
нормированный нормальный закон
распределения, вводя новую переменную
.
Подставив Y
в нормальный закон распределения, мы
имеем:
Общий закон распределения связан с нормированным следующим образом:
Для удобства пользования нормальным законом распределения рассматривают функцию Лапласа:
Заметим, что интеграл Лапласа является неберущимся интегралом.
Основные свойства функции Лапласа:
а)
функция нечетная
б)
в)
г) для функции Лапласа созданы таблицы значений.
Замечание:
в некоторых учебниках
.
В этом случае формулы для вычисления
приводятся к следующему виду:
Зачастую требуется найти вероятность отклонения случайной величины от математического ожидания.
Тогда
Правило:
Если случайная величина распределена по нормальному закону распределения, то абсолютная величина ее отклонения практически не превосходит утроенного среднеквадратического отклонения.
13.
Двумерные случайные величины.Интегральная и дифференциальная функции распределения вероятностей.Одномерные законы распределения.
Возможные значения тех случайных величин, которые мы рассматривали до сих пор, описываются одним числом.
Одномерные случайные величины – случайные величины, которые можно описать одним числом (измеряется длина выпускаемых брусков).
Однако на практике встречаются случайные величины, которые описываются не одним, а несколькими числами.
Многомерная случайная величина – случайная величина, описываемая несколькими числами.
Мы
для простоты будем рассматривать
двумерную случайную величину. Обозначать
ее будем (X;Y).
Возможные значения данной случайной
величины -
.
Двухмерную случайную величину можно
рассматривать как систему двух одномерных.
Дискретная двумерная случайная величина – система двух случайных величин, составляющие которой являются дискретными случайными величинами.
Непрерывная двумерная случайная величина – система двух случайных величин, составляющие которой являются непрерывными случайными величинами.
13.
Дискретные случайные величины.
Закон распределения двумерной случайной величины – перечень возможных значений и из вероятностей.
Здесь первый и последний столбцы, без последней строки, задают одномерный закон распределения случайной величины Y. А первая и последняя строки, без последнего столбца, задают одномерный закон распределения случайной величины X.
13.
Интегральная функция распределения двумерной случайной величины.
Пусть случайная величина (x; y) является дискретной или непрерывной.
Интегральная
функция распределения двумерной
случайной величины (x;
y)
– функция
- вероятность того, что X
примет значение <x,
а Y<y.
Геометрически это означает что случайная величина в заштрихованный бесконечный квадрат.
Свойства
интегральной функции распределения:
1)
2) функция неубывающая
3) имеют место следующие предельные соотношения:
Здесь
- интегральная функция составляющей X;
-
интегральная функция составляющей Y.
вероятность того, что случайная величина примет значение
(для
непрерывной случайной величины).
13.
